Research on measuring method for regular target object image based on chain code by menez

Applied Physics Frontier November 2013, Volume 1, Issue 4, PP.54-59

Research on Measuring Method for Regular Target Object Image Based on Chain Code Chengying Shi †, Limin Zhang, Ning He, Hong Qiu Xi’an Research Inst. of Hi-Tech, Xi’an 710025, P. R. China †Email:

shichengying104@163.com

Abstract In order to measure the area and the volume of regular target object, a measurement based on chain code is processed. The image processed by a series of methods such as gray-level transformation and noise reduction always has the false edge. Aiming at this problem, an image processing method based on the chain code is presented. And chain codes are connected by using the method of line among pixels. High frequency filter of the image could be smooth by using the method of DTFT. Measurement of the area and perimeter of target object are realized. The experiments results show that this method can realize effective measurement of regular target object. Keywords: Image Processing; Chain Code; DTFT; Area; Perimeter

基于链码的规则目标图像特征参数测量方法研究石成英，张利民，何宁，仇红西安高技术研究所，陕西西安 710025 摘要：为解决规则目标物体特征参数的测量问题，提出了一种基于链码的目标物体图像特征参数测量方法。目标物体图像经过灰度变换、平滑去噪等一系列处理后，图像中往往还会存在一些伪边缘信息，针对图像中的这些伪边缘，对图像进行链码跟踪，利用各链码组曲率统计分析的方法剔除目标物体图像中的伪边缘，同时利用像素直线连接的方法将图像中分段的链码组组合连接；然后利用傅里叶变换高频滤波的方法平滑图像边界的曲折部分进一步对图像进行去噪；最后计算目标区域的面积和周长。经实验分析，该方法测量结果精度高，可以实现对规则目标物体特征参数的有效测量。关键词：图像处理；链码；傅里叶；面积；周长

引言图像检测与特征参数的计算是数字图像处理领域的一个重要研究方向，针对被测目标的实际情况，国内外在图像测量方面开展了许多研究。文献 1 利用边界链码和与链码差提出一种基于链码检测的纤维长度计算方法，实现了对纤维边界进行分段、合并和计算，并针对平行纤维和复杂纤维交叉情况，提出基于角点直线方程的计算方法，解决了图像在纤维等纺织产品测量方面的应用。文献 2 采用有限元分析的方法实现罗汉果体积的自动测量，可以运用于罗汉果及类似的农产品体积和包装流水线作业。文献 3 介绍了自由形状零件截面轮廓的测量方法，将轮廓尺寸测量问题转化为求取最大相关函数的问题并采用基于仿射变换的最大相关搜索策略，解决了图像处理在工业零件检测方面的技术问题。文献 4 利用偏色手段提高了药筒烧蚀区域图像分割的正确性，有效测量了药筒烧蚀区域的面积，在利用图像检测军工产品方面具有一定的借鉴意义。由于被测对象千差万别，图像处理方法的针对性也比较强，一种处理方法一般只适用于一种或者一类目标。本文利用图像目标的特点，提出采用链码统计的方法对规则目标图像进行处理，最终得到适用于该类目标物体的特征参数计算方法。 - 54 http://www.ivypub.org/apf/

链码链码是图像处理及模式识别中一种常用的表示线条、平面曲线及边界的编码技术 [5]，它是利用一系列

具有特定长度和方向的相连直线段来表示边缘，分为 4 连通链码和 8 连通链码。4 连通链码是以中心像素 p 指向的 4 个邻点的方向来定义，分别取值为 0~3，当按逆时针变化时，链码值会相应加 1，其所指的方向逆时针旋转 90°。8 连通链码是以中心像素 p 指向的 8 个邻点的方向来定义，分别取值为 0~7，当按逆时针变化时，链码值会相应加 1，其所指的方向逆时针旋转 45°。8 连通链码由于充分考虑到图像实际，得到了广泛的应用，对边缘图像而言，除像素序列的起始像素以外，其余后继像素均可用 0~7 个像素中的一个来唯一确定。边缘跟踪可根据链码的方向进行，下一个跟踪点的位置取决于上一个边缘点，避免了对所有像素点的扫描，提高了跟踪的效率[6]。实际采用链码对图像进行跟踪处理过程中不仅可以得到链码跟踪的方向，还可以利用该方法得到边界像素点的坐标。 j

y0 y O

y 0

x

0 ( I1 , J1 ) (I0 , J0 ) 3

6 7

图 1 链码跟踪图

图 2 边缘检测效果图

图 1 表示链码跟踪的具体过程，该过程采用“向右看”准则[7]，即在跟踪过程中边界区域内部总是处在跟踪前进方向的右侧。设一幅图像 f (i, j ) ，检测过程以边界点 O 为起点，从左至右，从上至下开始逐个测试，直到找出当前区域的第一个边缘像素点 ( I 0 , J 0 ) ，记录下该点坐标并将其存放在链码表数组中，作为边缘跟踪的起始点。按链码方向从 0 到 7 逐个检测其邻点，直到遇到区域的下一个边界点 ( I1, J1 ) 后，将其链码值和坐标存入链码表数组，然后将新的边界点 ( I1, J1 ) 置确定为新的检测始点链码，进入下一轮边缘点的搜索，直至回到起始点 ( I 0 , J 0 ) 为止。当边界回到跟踪起点时，边界线闭合，返回跟踪结束标志，接着寻找下一个边界区域，直到图像的整个边界区域都检测完为止。

基于链码的目标边界提取目标图像特征参数测量是指利用对目标物体采集到的图像进行分析处理，得到该目标区域的面积和周

长等参数信息。实际的得到目标物体图像在采集和传输的过程中会受到各种噪声的污染以及其他各种因素的影响[8]，使采集到的图像退化，质量下降，不仅影响图像的视觉效果，而且还会影响图像信息的获取和处理。为了不影响后期对图像目标区域的识别和分析的准确度，需要对采集到的图像进行相应的系列处理。图像处理能够改善图像质量，增强图像中的特征信息，提取出目标的边界。图像处理主要包括灰度变换、平滑滤波、边缘锐化、二值化处理、形状学处理、边缘检测等。目标边界提取是图像目标特征参数计算十分重要的基础，边界是以图像局部特征不连续的形式出现[9]，是图像不同区域的分界处，而且集中了图像大部分信息。由于图像的边界往往是图像中灰度不边缘的结果，这种不连续可利用求导方便检测出来，因此常常采用局部图像微分技术来达到目标边界提取的目的。常用的边缘检测方法主要有 Robert 算子、Sobel 算子、Prewitt 算子、Log 算子、Canny 算子等，这些方法都是利用图像梯度的极大值或二阶导数过零点值来检测图像边缘 [10]。经过去噪、锐化、二值化、形态学等处理得到的图像在利用这些边缘检测算子检测过程中，往往由于图像前期处理的不彻底导致检测后的图像存在多余的伪边缘信息，如图 2 所示，这会对目标物体的特征参数计算产生影响，降低获取参数的精度。链码 - 55 http://www.ivypub.org/apf/

是通过寻找图像中两个像素点之间的关系得到目标区域的边界信息，使用链码对边缘检测后的图像进行处理可以有效的对图像中存在的伪边缘信息进行剔除。

2.1 伪边缘剔除曲率表示一段曲线的弯曲程度[11]，如图 3 所示，当 s  0 时（即 M   M 时），曲线 C 在点 M 处的曲率，记作 K ，即： K  lim

s 0



(1)

s k 1

若设图像中某段链码长为 k ，当前点取弧长 s  k s ，则当前点的倾角变化之和为      j ，当 j 1

前点以弧长为 k s 计算的曲率为： k 1

  j

K 

j 1

k s



1 k 1   j k j 1

(2)

式中，  j 表示 j  1 点指向 j 点与的链码 C j 与 j 点指向 j  1 点的链码 C j 1 的相对变化关系，即  j  C j  C j 1  8 。

通过链码的方法对图像进行检测，可以得到多组链码数据，计算各组链码的曲率以及它们的平均值，由于规则目标物体的边界特征遵循一定的规律，其图像中伪边缘链码的曲率与其它边缘区别比较明显，所以实际处理过程中可以通过判断各组链码与它们平均值相对误差的大小达到剔除图像伪边缘轮廓的目的，具体过程如图 4 所示。原始图像

链码

计算各组链码曲率以及曲率平均值 i+1

判断第i组相对误差是否大于M

i+1

无关组i变为背景

 M·   s

M s ·0



M ·

  

判断链码组是否全部比较完 Y

结果图像

x 图 3 曲率计算图

图 4 伪边缘剔除流程图

2.2 链码连接实际在利用链码对图像边界跟踪后得到的是多组链码值，该图像通过伪边缘剔除后一般情况下仍不是一组闭合的链码区域，此时还必须对链码进行处理得到一个完整的闭合链码区域，可以通过直线连接的方法实现边缘曲线闭合。对相邻两组链码的首末像素点，链码跟踪分别获得两像素的坐标值 ( x1, y1 ) 和 ( x2 , y2 ) ，坐标变化 x  x2  x1 ， y  y2  y1 ，通过横、纵坐标的递变最终实现链码的连接。

2.3 边界区域优化通过链码边界提取处理后的图像虽然能比较客观的反映泡体边缘的轮廓，但当进一步对图像进行参数计算时往往会出现边缘曲线比较曲折的情况。此时虽然两个圆具有相似的尺寸大小和圆度，但它们的边缘 - 56 http://www.ivypub.org/apf/

却存在很大差别。针对出现的这种问题，有必要采用某种方法除去轮廓中较为曲折的部分对图像边缘进行优化，从信号处理的角度就是过滤掉曲线中的高频成分[12]。傅里叶变换是从频域的角度对信号进行分析，它可以将信号分解为多个频率分量，每个分量可以表达信号的某种全局属性 [13]。当采用适当的形式对物体轮廓实施傅里叶变换时，它的低频部分反映物体的大致形状，而高频部分体现的是轮廓曲线的曲折程度，所以在轮廓的傅里叶逆变换时可以通过保留频域的低频部分达到对边缘优化的目的。在对泡体边缘轮廓进行傅里叶变换时，图像链码跟踪后得到的边缘点集为   Vn  ( xn , yn ) | n  1, 2,

, N  ，将其表示成复数形式，即 f (n)  xn  jyn ， f (n) 是一个离散的周期为 N 的

函数。 f (n) 的傅里叶变换可表示为： F (k ) 

 f ( n )e

j

2 nk N

(3)

n1

但是我们只需要前 M 个傅里叶系数来进行逆变换重构边缘轮廓，即： 2

f ( n) 

j nk 1 M  F ( k )e N N k 1

(4)

通过公式(4)得到的轮廓可以有效的保留了目标物体边界的整体形状，用这个重构的边界轮廓曲线可以反映目标区域的特征。

特征参数计算

3.1 面积面积是被测量对象边界及其所围成区域的像素数 [14]，利用链码进行测量就是通过对链码的处理分别获得目标图像边界和边界内的像素数，并计算得到该区域的面积，其过程如图 8 所示。图中将边缘跟踪所得到的边缘点按自上而下、自左而右的顺序重新排序，每个点对应的边界矢量随边缘点一同排列。按边缘点由小到大依次判断每个边缘点的前向矢量与后向矢量。如果当前边缘点满足其右侧像素是边界内点的条件，则计算当前边缘点与相邻下一个边缘点之间的像素个数 [15] 。由于此时两边缘点必定是位于同一行的不同列，因此两边缘点间的像素个数可以表示为： Pi  Yi 1  Yi  1 , x  y0  ta   y0  

(5)

式中， Pi 表示行坐标为 X i 的两边界点之间的像素个数，即当前边界点与相邻下一个边界点之间的像素个数， Yi 表示当前边界点的列值， Yi 1 表示与当前边界点相邻的下一个边界点的列值。图中在对面积进行计算时由于边缘像素点一般是一半在图像内部，一半在图像外部，若用 S 表示被测区域面积，  表示系统像素当量， PI1 表示边界像素总数， PI 2 表示边界内像素总数，则目标区域面积计算公式为： S   ( PI1 / 2  PI 2 ) 边缘检测后图像边界跟踪边界点重新排序

是否为边界内点

计算边界内像素数边界点标号加1

全部判断完 Y

计算面积

图 8 面积计算流程图 - 57 http://www.ivypub.org/apf/

(6)

3.2 周长周长是被测对象区域边界的像素数[16]，利用链码进行测量就是通过对链码的处理获得目标物体特征区域的边界长度并最终得到它的周长。若边缘链码数组为 A  a1a2 么链码的每一环 ai 的长度为： l



1 2

an ， ai {0,1, 2,

7} ，单位长度为 1，那

i为偶数 i为奇数

(7)

则可根据式(7)得到周长： C   2 (n1  n2 2)

(8)

式中， C 表示被测区域周长，  表示系统像素当量， n1 代表链码 A 中具有偶数值的链码号， n2 代表链码 A 中具有奇数值的链码号。因为偶数链码段表示的是垂直或水平方向的代码段，奇数链码段表示对角段，所以奇数链码须用 2 的权重修正，修正后边缘周长检测时可以弥补图像离散化的误差。

实验结果与分析为了验证基于链码目标图像特征参数算法的准确性，采用本文方法对规则形状的目标体进行测量。具

体方法：选用深色的纸裁剪出尺寸适中的三角形、矩形等共五种图形，这些图形的特征参数可以利用直尺量取并通过简单计算即可得到。通过摄像头分别对它们进行拍摄得到相应的数字图像后，用本文方法处理这五种图像的特征参数，并将测量结果与它们实际数据进行比较。详细的实验结果见表 1 和表 2。表 1 面积算法测量（单位：mm2）序号

规则物体 1

规则物体 2

规则物体 3

规则物体 4

规则物体 5

实际面积

7.1834

15.6993

18.4441

19.2801

33.7020

边界像素总数

1285

1865

1984

2102

2813

边界内像素总数

156134

341702

401549

419736

734135

测量面积

7.1826

15.6982

18.4477

19.2850

33.7000

相对误差（%）

1.62

-1.29

1.93

-1.81

1.56

表 2 周长算法试验结果（单位：mm）序号

规则物体 1

规则物体 2

规则物体 3

规则物体 4

规则物体 5

实际周长

9.5396

13.9367

14.8378

15.4253

20.1642

边界偶数链码总数

722

994

1055

1064

1576

边界奇数链码总数

486

753

804

859

992

测量周长

9.5868

14.1371

15.0796

15.7079

20.4202

相对误差（%）

1.22

-1.42

-1.60

1.80

-1.25

通过测试发现，本文研究算法在测量目标物体面积和周长误差时都在 1%左右，可以实现对目标物体特征参数的有效测量。

结语本文给出了测量规则目标物体的图像处理和参数计算方法，针对图像处理中的伪边缘以及边界轮廓中

的粗糙区域分别采用了曲率区配和高频滤波进行了处理，利用链码统计的方法获得目标物体的特征参数并通过实验对本文方法进行了验证。经测量本文方法测量精度高且易于实现，可以为规则目标区域特征参数的精确测量提供一种新的解决途径，有较好的应用前景。 - 58 http://www.ivypub.org/apf/

REFERENCES [1]

Yongjing Wan, Pei Zhang. The Research of an Approach of Calculating Fiber Length based on the Chain Code Detection [J]. Microcomputer Information, 2012, 28(10): 19-20, 50

[2]

Fuyun He, Hong Zhou, Xiaoshu Luo, Quanbin Chen. The Measuring Method for Siraitia Grosvenorii Volume Using Digital Image [J]. Measurement and Control Technology, 2011, 30(9): 13-16

[3]

Hong’e Ren, Haitao Xu. Area Statistical Method of Image Target Object based on Chain Code Technology [J]. Application Research of Computers, 2008, 25(1): 303-305

[4]

Jing Le, Junjie Guo, Hong Zhu, Feng Li, Tao Zhang. An Area Measurement Method of Cartridge Surface Ablation [J]. Acta Armamentarii, 2006, 27(1): 175-178

[5]

Hongna Zhang, Qi Wang. Image Measuring Technique and Its Applications [J]. Electrical Measurement & Instrumentation, 2003, 40(451): 19-21, 36

[6]

Lin Xu, Maoyong Cao, Xiuxia Feng. Image Measurement Technology and Applications in Nondestructive Testing [J]. Electronic Measurement Technology, 2008, 31(1): 137-141

[7]

Liguang Zhang, Xinping Yan, Xiumin Chu, Chaozhong Wu. Methods of the Road Sign Size Picture Measure [J]. Journal of WUT (Information & Management Engineering), 2006, 28(5): 5-8

[8]

Zongqi Lu, Tao Tong. The Application of Chain Code Sum in the Edge form Analysis [J]. Journal of Image and Graphics, 2002, 7(12): 1323-1328

[9]

Zhenjun Tang, Xianquan Zhang. Research on the Boundary Representation in Image using Chain Code [J]. Microcomputer Information, 2005, 21(11): 105-107

[10] Jian Wang, Youguo Pi, Mingyou Liu. Detection of the Contour Corner of Character Image Based on the Freeman Chain Code [J]. Techniques of Automation & Applications, 2009, 28(1): 88-92 [11] Yaofeng Wang, Yan Cui. Skeleton Blur Removing Algorithm based on Direction Chain Code [J]. Journal of Computer Applications, 2013, 33(S1): 193-194, 198 [12] Wankou Yang, Mingwu Ren, Jingyu Yang. Object Area Algorithms based on Chain Code in the Digital Image [J]. Computer Engineering, 2008, 34(1): 30-33 [13] Yuanmin Wu. Method for Calculation Areas of Multiple Regions in Image Based on Freeman Chain Code [J]. Computer Engineering and Application, 2008, 44(15): 199-201 [14] Wei Deng, Yunfei He. Improved Freeman Chain Code for Hand Shape Segmentation [J]. Electronic Measurement Technology, 2013, 36(1): 51-64 [15] Shaojun Liu, Ku Wang. On Detection of Cottonseed Perimeter based on Self Adaptive Freeman Code [J]. Computer, 2008, 28(11): 2881-2883 [16] Jianbo Huang, Banghui Guo. Image Measurement for Geometric Parameters of Circular Hole [J]. Journal of Changchun University of Science and Technology (Natural Science Edition), 2012, 9(3): 33-36, 46

【作者简介】 1

石成英（1964-），男，汉，博士，教

张利民（1990-），男，汉，硕士研究生，研究方向为自动

授，研究方向为检测技术与自动化装

化测量技术。

置。Email: shichengying104@163.com

何宁（1988-），男，汉，硕士研究生，研究方向为自动化

测量技术。 4

仇红（1986-），女，汉，硕士研究生，研究方向为自动化

测量技术。

- 59 http://www.ivypub.org/apf/